Εφαρμοσμένη Πολυδιάστατη Ανάλυση (ΣEE10): Διαφορά μεταξύ των αναθεωρήσεων

Από Wiki Τμήματος Μαθηματικών
Χωρίς σύνοψη επεξεργασίας
Χωρίς σύνοψη επεξεργασίας
Γραμμή 1: Γραμμή 1:
* [[xxx|English version]]
* [[Applied Multivariate Analysis (ΣΕΕ10)|English version]]
* [[Περιγράμματα Μεταπτυχιακών Μαθημάτων]]
* [[Περιγράμματα Μεταπτυχιακών Μαθημάτων]]
* [https://math.uoi.gr Τμήμα Μαθηματικών]
* [https://math.uoi.gr Τμήμα Μαθηματικών]

Αναθεώρηση της 17:02, 25 Νοεμβρίου 2022

Γενικά

Σχολή Σχολή Θετικών Επιστημών
Τμήμα Τμήμα Μαθηματικών
Επίπεδο Σπουδών Μεταπτυχιακό
Κωδικός Μαθήματος ΣEE10
Εξάμηνο 2
Τίτλος Μαθήματος ΕΦΑΡΜΟΣΜΕΝΗ ΠΟΛΥΔΙΑΣΤΑΤΗ ΑΝΑΛΥΣΗ
Αυτοτελείς Διδακτικές Δραστηριότητες Διαλέξεις (Εβδομαδιαίες Ώρες Διδασκαλίας: 3, Πιστωτικές Μονάδες: 7.5)
Τύπος Μαθήματος Μάθημα Ειδίκευσης
Προαπαιτούμενα Μαθήματα
Γλώσσα Διδασκαλίας και Εξετάσεων Ελληνική
Το Μάθημα Προσφέρεται σε Φοιτητές Erasmus Ναι (στην Αγγλική γλώσσα)
Ηλεκτρονική Σελίδα Μαθήματος (URL) Δείτε το eCourse, την Πλατφόρμα Ασύγχρονης Εκπαίδευσης του Πανεπιστημίου Ιωαννίνων.

Μαθησιακά Αποτελέσματα

Μαθησιακά Αποτελέσματα Οι φοιτητές μετά την επιτυχή παρακολούθηση αυτού του μαθήματος θα πρέπει να είναι σε θέση να:
  • εφαρμόζουν βασικές μεθόδους πολυμεταβλητής στατιστικής ανάλυσης
  • επιλέγουν την κατάλληλη μέθοδο ανάλυσης για το συγκεκριμένο πρόβλημα υπό διερεύνηση και για το συγκεκριμένο σύνολο δεδομένων
  • εφαρμόζουν μεθόδους μείωσης της διάστασης
  • ερμηνεύουν κατάλληλα τα αποτελέσματα και να συντάσσουν την κατάλληλη έκθεση αναφοράς
  • υλοποιούν την ανάλυση με στατιστικά πακέτα ή προγράμματα (SPSS, SAS, Matlab, R).
Γενικές Ικανότητες
  • Αυτόνομη εργασία
  • Ομαδική εργασία σε κάποιες περιπτώσεις
  • Λήψη αποφάσεων
  • Προαγωγή της ελεύθερης, δημιουργικής και επαγωγικής σκέψης
  • Σύνθεση δεδομένων και πληροφοριών

Περιεχόμενο Μαθήματος

Το περιεχόμενο του μαθήματος καλύπτει τα ακόλουθα αντικείμενα με εφαρμογές κυρίως με τη χρήση του SPSS και της R: Γραφική παρουσίαση πολυδιάστατων δεδομένων, Τεχνικές μείωσης της διάστασης, Κύριες Συνιστώσες, Παραγοντική Ανάλυση, Ανάλυση κανονικών συσχετίσεων, Διαχωριστική Ανάλυση, MANOVA, Επαναλαμβανόμενες μετρήσεις, Νευρωνικά δίκτυα.

Διδακτικές και Μαθησιακές Μέθοδοι - Αξιολόγηση

Τρόπος Παράδοσης Πρόσωπο με πρόσωπο στο εργαστήριο του Τμήματος.
Χρήση Τεχνολογιών Πληροφορίας και Επικοινωνιών Χρήση Τ.Π.Ε. στην επικοινωνία με τους φοιτητές καθώς και στην παράδοση εργασιών.
Οργάνωση Διδασκαλίας
Δραστηριότητα Φόρτος Εργασίας Εξαμήνου
Διαλέξεις -Εργαστήριο 39
Αυτοτελής Μελέτη 78
Επίλυση ασκήσεων-εργασίες 70.5
Σύνολο Μαθήματος 187.5
Αξιολόγηση Φοιτητών Γραπτή τελική εξέταση στα Ελληνικά (σε περίπτωση φοιτητών Erasmus στην Αγγλική γλώσσα) η οποία περιλαμβάνει την ανάλυση τόσο πραγματικών όσο και εκπαιδευτικών συνόλων δεδομένων. Κατά τη διάρκεια του εξαμήνου δίνονται υποχρεωτικές, συνήθως ατομικές, εργασίες, οι οποίες συνυπολογίζονται στον τελικό βαθμό.

Συνιστώμενη Βιβλιογραφία

  • Anderson, T.W. (2003). An Introduction to Multivariate Statistical Methods, 3nd ed., Wiley.
  • Giri, N.J. (2004). Multivariate Statistical Analysis, 2nd edition, Marcel Dekker, New York.
  • Johnson, R. A. and Wichern, D.W. (1998). Applied Multivariate Statistical Analysis, 4th ed. Prentice Hall.
  • Timm, N. H. (2002). Applied Multivariate Analysis. Springer.
  • Καρλής, Δ. (2005).Πολυμεταβλητή Στατιστική Ανάλυση. Εκδόσεις Σταμούλη
  • [Περιοδικό / Journal] Journal of Multivariate Analysis